Preços de API LLM em 2026: tokens sobem, capacidade custa 50x menos

Os preços de tabela por token das APIs de LLM subiram em 10 de 14 linhas de modelos entre outubro de 2025 e outubro de 2026. Mesmo assim, o modelo mais barato a atingir um determinado nível de capacidade passou a custar de 17 a 50 vezes menos por token nos níveis 20 a 40 do índice, e 2.5 vezes menos no nível 50. Uma linha é uma família de produtos de um fornecedor, como Claude Opus ou Gemini Flash. A capacidade é a pontuação do modelo no Artificial Analysis Intelligence Index, um índice independente que combina benchmarks em uma escala de 0 a 100 (o melhor modelo hoje marca 57.6). Os preços são combinados: dólares por milhão de tokens, na proporção de três tokens de entrada para um de saída. As duas tendências coexistem porque cada novo modelo de uma linha é mais capaz que seu antecessor.

TL;DR

• Os preços de tabela de entrada subiram em 10 de 14 categorias de outubro de 2025 a outubro de 2026; as 3 que tiveram queda são da Anthropic.
• O modelo mais barato com 40 pontos no índice da Artificial Analysis passou de $10 para $0.20 por milhão de tokens combinados, de abril a outubro de 2026.
• Desde outubro de 2024, a Anthropic reduziu os preços das três categorias (Opus de $15 / $75 para $4 / $20), o Google aumentou os das três e a OpenAI aumentou apenas o da intermediária.
• A diferença entre o maior e o menor preço de entrada dos modelos principais fechados caiu de 12x para 2x; o preço mediano dos modelos principais de pesos abertos dobrou.

Como mudaram os preços de tabela das APIs de LLM no último ano?

A maioria das linhas custa mais por token do que há um ano. Comparamos o modelo que representava cada linha em 15 de outubro de 2025 com o que a representava em 15 de outubro de 2026:

Alguns preços têm condições: Argon e Gemini 3.8 Flash têm preços de lançamento que dobram em 1 de dezembro e 1 de janeiro, respectivamente; o Haiku 5.5 custa $0.50 / $2.50 acima de 100,000 tokens no prompt; e a linha da DeepSeek usa o preço de pico, cobrado no horário comercial de Pequim (fora de pico, o preço é a metade, abaixo do preço combinado do V3.2-Exp). A contagem de 10 em 14 se mantém com os preços combinados em vez dos preços de entrada. Os preços do Kimi K2 e do Qwen3-Max vêm de registros de terceiros.

Como Anthropic, OpenAI, Google e DeepSeek mudaram os preços de seus modelos ao longo de dois anos?

Em dois anos, a Anthropic reduziu os preços de tabela nas três categorias. Na OpenAI, os modelos principal e pequeno terminaram perto dos preços iniciais, enquanto a categoria intermediária subiu 17x. O Google aumentou os preços em todas as categorias. O modelo de baixo custo da DeepSeek ficou cerca de 3x mais caro nos horários de pico, enquanto seu preço de leitura de cache caiu para 2% do preço de entrada. O gráfico e as tabelas abaixo acompanham os três maiores laboratórios de modelos fechados desde outubro de 2024, considerando os modelos principal, intermediário e pequeno vigentes de cada um. A DeepSeek vende um ou dois modelos, em vez de três categorias, por isso tem uma subseção própria. Uma tabela final compara os quatro laboratórios.

Os preços são de 15 de outubro de cada ano, e a razão compara os preços combinados. O GPT-4o mini aparece como modelo inicial nas duas linhas menores da OpenAI porque a empresa não tinha um modelo pequeno separado até o lançamento do GPT-4.1 nano em abril de 2025.

Os modelos ficaram mais caros ou apenas mais capazes?

A maioria dos modelos ficou mais capaz. De outubro de 2025 a outubro de 2026, a pontuação no índice do modelo vigente em cada categoria aumentou de 1.9 a 3.3 vezes. O preço por ponto do índice (preço combinado dividido pela pontuação; abaixo de 1x indica que o mesmo nível de capacidade ficou mais barato) caiu em sete das nove categorias. O índice só tem pontuações para modelos a partir de meados de 2025, por isso esta comparação cobre o segundo ano:

Os modelos são os da primeira tabela. As pontuações correspondem à maior configuração de raciocínio de cada modelo (a opção da requisição que permite ao modelo pensar por mais tempo antes de responder); as do Sonnet usam a configuração padrão, a única avaliada nos modelos Sonnet mais antigos, e as pontuações de outubro de 2025 dos modelos mais antigos são estimativas da Artificial Analysis. O preço por ponto só subiu nos casos em que o laboratório aumentou o preço do modelo mais do que sua capacidade melhorou.

Como o preço mudou em cada categoria?

Os preços da categoria principal se aproximaram, os da intermediária subiram e os da pequena se dividiram. Em outubro de 2024, o maior preço de entrada da categoria principal era 12 vezes o menor (Claude 3 Opus a $15, Gemini 1.5 Pro a $1.25), e essa razão continuava em 12 vezes em outubro de 2025. Hoje, é de 2 vezes; nesse intervalo, o modelo principal da OpenAI chegou a $5 / $30 com o GPT-5.5 em abril de 2026, antes de cair para $2 / $10. Os modelos intermediários hoje superam as pontuações que os principais atingiam um ano antes, e a OpenAI e o Google ajustaram seus preços a esse nível de capacidade. Com isso, a razão entre o maior e o menor preço de entrada da categoria intermediária caiu de 40x para 2.7x, e a redução do preço do Sonnet diminuiu ainda mais essa diferença. Na categoria pequena, OpenAI e Anthropic chegaram ao mesmo preço de $0.10 / $0.50, enquanto o Gemini 3.5 Flash-Lite do Google custa o que o Gemini 2.5 Flash custava em meados de 2025.

Como a estratégia de preços variou entre os laboratórios?

A Anthropic manteve os preços por longos períodos e fez cortes em etapas. A OpenAI mudou os preços com frequência, atribuindo cada mudança à capacidade ou à eficiência. O Google aumentou os preços a cada geração e anunciou os aumentos com antecedência. Nenhuma das três citou um concorrente como motivo para mudar os preços, nem mesmo quando Opus 5.5, GPT-6 Sol e GPT-6 Luna foram lançados no mesmo dia.

Anthropic: preços estáveis, depois reduções em etapas. O Sonnet manteve $3 / $15 de março de 2024 até o Sonnet 4.6, em 2026, e o Opus manteve $15 / $75 até o Opus 4.5 reduzir o preço para $5 / $25 em novembro de 2025, “tornando a capacidade do Opus acessível a ainda mais usuários” (Anthropic). As reduções seguintes vieram com novos modelos: o Opus 5.5 “exige menos recursos computacionais para inferência que o Opus 5, e seu preço reflete isso” (Anthropic), e o preço de lançamento de $2 / $10 do Sonnet 5 tornou-se seu preço padrão em agosto. Os aumentos ficaram na linha Haiku: o Claude 3.5 Haiku foi lançado a $1 / $5 em novembro de 2024 “para refletir o aumento de sua capacidade” e caiu para $0.80 / $4 um mês depois (TechCrunch), e o Haiku 4.5 voltou a $1 / $5 em outubro de 2025.

OpenAI: mudanças frequentes de preço, atribuídas à capacidade ou à eficiência. Os aumentos vieram acompanhados de alegações de maior capacidade: o GPT-5.2 tinha “preço por token maior que o GPT‑5.1 por ser um modelo mais capaz” (OpenAI). Os cortes foram justificados por reduções no custo de inferência: o preço do o3 caiu 80% em junho de 2025 porque “otimizamos a infraestrutura de inferência que atende o o3” (OpenAIDevs), e GPT-6 Sol e Luna foram lançados pela metade do preço de entrada de seus antecessores porque “melhorias no cache e na inferência nos permitem servir esses modelos a um custo menor” (OpenAI). Os preços de lançamento não duraram: os três modelos GPT-5.6, lançados em julho, tiveram reduções de preço em até seis semanas. A Reuters associou o corte de agosto no GPT-5.6 Sol à “concorrência crescente da Anthropic e dos modelos chineses de IA”; a OpenAI citou ganhos de eficiência.

Google: preços em alta e aumentos programados. O Google começou como o laboratório mais barato em todas as categorias e aumentou os preços na maioria das gerações, geralmente sem explicar o motivo. A exceção foi o Gemini 2.5 Flash, cujo preço de entrada dobrou em junho de 2025 como “um ajuste específico que reflete o valor excepcional do Flash” (Google). Desde agosto, o Google lança modelos com preços promocionais e aumento já programado: Gemini 3.7 Flash e 3.8 Flash a $0.75 / $3.75 até 31 de dezembro, depois $1.50 / $7.50, e Argon a $2 / $10 até 30 de novembro, depois $4 / $20. O Google não explicou o motivo, mas Sundar Pichai disse aos investidores em julho que “continuamos com capacidade insuficiente para atender à demanda” (Alphabet).

Como a estratégia de preços da DeepSeek se compara às demais?

A DeepSeek reduziu os preços quando uma nova arquitetura baixou seu custo de inferência e os aumentou quando a demanda superou a capacidade de suas GPUs. A eficiência definiu até onde o preço podia cair; a capacidade computacional disponível definiu o preço em cada momento. Boa parte disso passa pelo cache: quando um prompt começa com um texto que o provedor já processou, ele pode reutilizar o estado intermediário armazenado (o KV cache) em vez de refazer o cálculo, e cobra menos por esses tokens de entrada, como uma leitura de cache.

Os preços são do modelo mais barato da DeepSeek em cada data. Os horários de pico são das 09:00 às 12:00 e das 14:00 às 18:00, no horário de Pequim, em dias úteis.

Eficiência. Os anúncios da DeepSeek associam três reduções de preço a mudanças na arquitetura. O cache em disco de 2024 se apoiava no MLA, a arquitetura de atenção comprimida da DeepSeek, que reduziu o cache KV o suficiente para armazená-lo em discos baratos (DeepSeek). A redução de setembro de 2025 veio com o DeepSeek Sparse Attention, que aplica atenção a um subconjunto dos tokens anteriores. O anúncio em chinês atribui a redução ao custo muito menor de servir o novo modelo (DeepSeek). O cache KV do V4.1 Flash precisa de “1/4 da HBM” (memória da GPU) e “1/8 do armazenamento SSD” de seu antecessor, e a DeepSeek destacou que “as cobranças por leituras de cache costumam representar uma grande parcela dos custos dos agentes” (DeepSeek). Sua leitura de cache agora custa 2% do preço de entrada, contra 10% em 2024 e 2.5% a 10% nos laboratórios dos EUA hoje. O único dia de dados de operação publicado pela DeepSeek, de março de 2025, mostra que 56.3% dos tokens de entrada foram atendidos pelo cache em disco, com margem teórica de 545% a $2 por GPU-hora, mas receita real “substancialmente menor” (DeepSeek).

Capacidade. O mesmo panorama informa que a DeepSeek realoca nós de inferência para pesquisa e treinamento à noite, nos horários de baixa demanda aos quais se aplicava o desconto noturno de 2025. Os aumentos vieram quando faltava capacidade: a unificação dos modos do V3.1 em setembro de 2025 encerrou esse desconto e dobrou o preço de entrada em cache miss do modelo sem raciocínio, de $0.27 para $0.56, sem explicação (DeepSeek); em agosto de 2026, a introdução de preços de pico triplicou o preço de entrada do V4 Flash nos horários de maior demanda para “alocar recursos de forma mais razoável” (tradução nossa do anúncio em chinês, DeepSeek). Mesmo fora de pico, o V4.1 Flash custa mais do que o V4 Flash custava antes de agosto, mas, por ponto no índice, custa 0.70x no pico e 0.35x fora de pico o que custava o V3.2-Exp um ano antes (39.5 pontos contra uma estimativa de 16.6).

Como os quatro laboratórios se comparam?

Os preços acompanharam o posicionamento de cada modelo pelo laboratório, não um valor fixo por categoria: modelos que atingiam pontuações de modelos principais tinham preços próximos aos deles, e laboratórios que conseguiam reduzir o custo de servir um modelo baixavam seu preço.

Como o preço mudou em cada categoria?

Os preços dos modelos principais fechados se aproximaram, os modelos principais de pesos abertos ficaram mais caros, e a categoria econômica terminou mais barata após um pico no meio do ano. Os modelos atuais de cada laboratório se dividem em quatro categorias:

• SOTA de topo: SOTA (estado da arte) abrange os principais laboratórios de modelos fechados, e esta categoria reúne o modelo mais caro de cada um. É uma faixa de preço: o Opus 5.5, um modelo principal, supera os três modelos de topo em pontuação. Quando o modelo de topo de um laboratório também é seu modelo principal, ele aparece nas duas categorias (hoje, o Gemini 4 Argon).
• SOTA principal: o modelo de uso geral principal de cada laboratório de modelos fechados.
• Principal de pesos abertos: o modelo principal de cinco laboratórios cujos pesos qualquer pessoa pode baixar e hospedar.
• Econômica / Flash: a linha de baixo custo de cada laboratório, com o nome inspirado nos modelos Flash do Google.

O gráfico mostra, em escala logarítmica, o preço combinado mediano de cada categoria entre os laboratórios como uma linha, e a faixa entre o menor e o maior preço como uma banda. A diferença de preços na tabela considera apenas a entrada.

• SOTA de topo: os modelos pro da OpenAI passaram do GPT-5 Pro a $15 / $120 para o GPT-5.4 Pro a $30 / $180, até que o GPT-6 Astra reposicionou a linha em $10 / $50, o mesmo preço do Claude Fable 5.1. O Google cobra, por enquanto, $2 / $10 pelo Argon, o que explica toda a diferença atual de 5x.
• Principal de pesos abertos: o preço mediano de entrada mais que dobrou, de $0.60 para $1.40, e os preços se distanciaram: o Kimi K3, a $3 / $15, custa mais que o Claude Sonnet 5.5, enquanto o MiniMax M3 manteve $0.30 / $1.20 ao longo de cinco lançamentos. O preço mediano de saída dos modelos de pesos abertos passou de 24% para 44% da mediana dos modelos principais fechados. O DeepSeek V4 Pro entra na conta com seu preço de pico.
• Econômica / Flash: a mediana subiu para $0.56 de maio a julho, com o lançamento de modelos de baixo custo como Gemini 3.1 Flash-Lite e Qwen3.6 Flash a $0.25 / $1.50. A queda veio principalmente em outubro, quando o Haiku 5.5 igualou o preço do GPT-6 Luna, de $0.10 / $0.50.

O GPT-5.6 Terra fica fora da categoria econômica porque custa tanto quanto um modelo principal. Os dados cobrem oito laboratórios; xAI e Mistral não estão incluídos.

Quanto custa hoje um determinado nível de capacidade?

O modelo mais barato em cada nível do índice ficou de 2.5 a 50 vezes mais barato por token, e de 8 a 19 vezes mais barato por tarefa nos casos em que há dados por tarefa nas duas pontas. O custo por tarefa é o valor informado pela Artificial Analysis para executar uma tarefa do índice ao preço de tabela, usando o consumo real de tokens de cada modelo. Para cada dia, selecionamos o modelo atual mais barato com pelo menos 20, 30, 40 ou 50 pontos na versão 4.3.2 do índice, sempre na maior configuração de raciocínio.

* Pontuação estimada pela Artificial Analysis, não medida. O primeiro modelo com medição no nível 40, Opus 4.8 em maio, tinha o mesmo preço de tabela de $10.

O menor preço não caiu de forma contínua: do fim de abril a meados de agosto, o nível 20 do índice custava $0.175 no DeepSeek V4 Flash, abaixo dos $0.20 atuais.

Os modelos com as maiores pontuações não ficaram baratos. Há um ano, os dois primeiros eram GPT-5 e Opus 4.1, com pontuações estimadas de 23.0 e 22.8 e preços combinados de $3.44 e $30. Hoje, o líder é o Claude Opus 5.5, com 57.6 pontos a $8 combinados. As grandes quedas ocorrem em níveis que só o melhor modelo alcançava poucos meses antes.

Por que os preços mudaram assim?

Além do que os laboratórios disseram sobre seus próprios preços, três movimentos do mercado coincidem com essas mudanças e atuam em direções diferentes. Como se sobrepõem no tempo, os dados não permitem isolar seus efeitos.

Demanda e capacidade de inferência. Quando a demanda supera a capacidade das GPUs disponíveis para responder às requisições, o provedor pode limitar o uso ou cobrar mais nos horários de pico. O OpenRouter, um marketplace que encaminha requisições de API a vários provedores de hospedagem de modelos, passou de cerca de 5 trilhões de tokens por semana em abril de 2025 para mais de 20 trilhões em abril de 2026, com programação passando de cerca de 11% do tráfego para mais da metade (Wing VC). A Anthropic retirou os limites de horário de pico das assinaturas Claude depois de obter acesso ao data center Colossus 1 da xAI em 6 de maio. Entre as mudanças nos preços de API no mesmo período estão o GPT-5.5 a $5 / $30 em abril, os aumentos programados do Google, que declarou estar com “restrições de capacidade”, e os preços de pico da DeepSeek.

Concorrência e piso de preço. A participação dos modelos chineses de pesos abertos nos tokens do OpenRouter subiu de cerca de 2% no fim de 2024 para cerca de 61% em maio de 2026 (Wing VC), mas o tráfego direto, como o do ChatGPT, é muito maior que o do roteador. Em junho, o Wall Street Journal noticiou que a OpenAI avaliava cortes de preço antes de reduções esperadas da Anthropic (Decrypt), e ambas lançaram modelos mais baratos em 22 de setembro. O piso de preço, o menor preço em um nível de capacidade, foi do DeepSeek V4 Flash do fim de abril até o aumento da DeepSeek em agosto, quando passou ao Claude Haiku 5.5 e ao GPT-6 Luna.

Receita dos laboratórios de pesos abertos. Pesos abertos permitem que qualquer provedor venda acesso ao mesmo modelo. Depois que a Zhipu lançou o GLM-5.3 Flash, a participação de sua própria API no tráfego desse modelo no OpenRouter caiu de 88% para 22% em três semanas. A Epoch AI, um grupo de pesquisa em IA, estima que a DeepSeek recebe cerca de 8% dos gastos no OpenRouter com modelos DeepSeek (Huxiu via Weijin Research). Esses dados são posteriores à maior parte da alta dos preços dos modelos de pesos abertos; portanto, são compatíveis com ela, mas não a explicam. Os provedores de hospedagem não têm cobrado muito menos pelos modelos principais mais novos: em 16 de outubro, o preço do próprio laboratório era o mais comum para o GLM-5.3 (15 de 44 provedores) e o Kimi K3 (7 de 25). Dos 15 provedores mais baratos do Kimi K3, 12 usavam pesos quantizados em 4 bits, uma versão comprimida cujas respostas podem diferir das do original.

Por que o preço por token não é o preço por tarefa?

Dois modelos com o mesmo preço de tabela podem ter custos por tarefa várias vezes diferentes. A principal razão são os tokens de raciocínio: o raciocínio passo a passo oculto que o modelo escreve antes de responder, cobrado como saída. A Artificial Analysis publica o custo médio de cada modelo por tarefa do índice ao preço de tabela.

O Qwen3.8 Max tem o menor preço de saída entre os dois modelos comparados e custa 7.5 vezes mais por tarefa. Nosso próprio teste mediu um custo por resposta correta do Argon 3.1 vezes maior que o do GPT-6.1 Sol (custo da API do Gemini 4 Argon). Para comparar modelos com seu próprio tráfego, calcule o custo de um lote de requisições reais a partir da contagem de tokens de cada resposta (tokens de raciocínio são cobrados como saída), divida o total pelo número de respostas aceitáveis e compare os modelos por esse custo por resposta.

Como os preços de cache mudaram em relação à entrada?

As leituras de cache (os cache hits descritos na seção sobre a DeepSeek) ficaram mais baratas em relação à entrada nos modelos principais e de topo dos laboratórios de modelos fechados, e as escritas de cache ficaram mais caras em dois fornecedores. A tabela mostra a tarifa de leitura de cache de cada modelo como porcentagem de seu próprio preço de entrada.

Os modelos principais fechados reduziram pela metade a tarifa de leitura de cache em três semanas: Opus 5.5 em 22 de setembro, GPT-6.1 Sol em 29 de setembro e Argon em 13 de outubro. Os laboratórios de pesos abertos cobram uma proporção maior, com exceção da DeepSeek, embora os 3.3% do V4 Pro resultem de um preço de entrada maior, não de uma leitura de cache mais barata. A MiniMax passou de 10% para 20% com o M2.7 em março. Os modelos que não listavam preço de cache ficaram de fora.

A cobrança pela escrita de cache, a requisição que armazena um prefixo pela primeira vez, mudou em dois fornecedores. A OpenAI passou a cobrá-la com o GPT-5.6 em julho: 1.25 vezes o preço de entrada para o cache padrão de 30 minutos e, a partir de 20 de outubro, 2.5 vezes para um cache de 12 horas. O Kimi K3 continua cobrando a escrita padrão de 5 minutos ao preço de entrada, como o Kimi K2, mas adicionou um cache opcional de 1 hora a 2 vezes esse preço. A Anthropic continua cobrando 1.25 vezes para um cache de 5 minutos e 2 vezes para um cache de 1 hora, e Google, DeepSeek e Zhipu continuam sem cobrar nada a mais. O guia de escrita de cache explica quando uma escrita compensa.

O que fazer com esses dados?

Planeje o orçamento por capacidade e por tarefa, não pelo nome da linha, e teste novamente os modelos pequenos.

Perguntas frequentes

Os preços das APIs de LLM estão caindo em 2026? Os preços por token das APIs de LLM subiram na maioria dos casos: o preço de tabela de entrada aumentou em 10 das 14 linhas de modelos comparadas entre outubro de 2025 e outubro de 2026. Por unidade de capacidade, os preços caíram: o modelo mais barato com 40 pontos no Artificial Analysis Intelligence Index custava $10 por milhão de tokens combinados em abril de 2026 e $0.20 em outubro (Claude Haiku 5.5). Por tarefa, o custo ficou 19 vezes menor de maio a outubro.

Qual laboratório de IA mais reduziu os preços de API? A Anthropic foi a que mais reduziu: nos dois anos até outubro de 2026, baixou os preços de tabela nas três categorias, com o Claude Opus 5.5 a $4 / $20, contra $15 / $75 do Claude 3 Opus, e o Claude Haiku 5.5 a $0.10 / $0.50. O Google aumentou os preços nas três categorias. Na OpenAI, os preços combinados dos modelos principal e pequeno terminaram com variação de até 25% em relação a outubro de 2024, enquanto o preço da linha intermediária subiu 17 vezes.

Leituras relacionadas

• Custo da API do Gemini 4 Argon: o mesmo preço de tabela do GPT-6.1 Sol, 3.1x por resposta correta
• Faixas de preço para contexto longo: em que tamanho de prompt o preço de cada fornecedor sobe
• Quanto custa uma escrita de cache de prompt: preços de escrita e leitura por fornecedor
• Custo do Claude Haiku 5.5: o limite de preço de 100,000 tokens, medido
• Custo do Kimi K3: um modelo principal de pesos abertos a preço de modelo fechado

← Voltar ao blog